• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>BioTechnology: An Indian Journal >Novel Way of Medical Datasets Classification Using Evolutionary Functional Link Neural Network
【24h】

Novel Way of Medical Datasets Classification Using Evolutionary Functional Link Neural Network

机译：基于进化功能链接神经网络的医学数据集分类新方法

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Computational time is high for Multilayer perceptron (MLP) trained with backpropagation learning algorithm (BP) also the complexity of the network increases with the number of layers and number of nodes in layers. In contrast to MLP, functional link artificial neural network (FLANN) has less architectural complexity, easier to train, and gives better result in the classification problems. The paper proposed an evolutionary functional link artificial neural network (EFLANN) using genetic algorithm (GA) by eliminating features having little or no predictive information. Particle swarm optimization (PSO) is used as learning tool for solving the problem of classification in data mining. EFLANN overcomes the non-linearity nature of problems by using the functionally expanded selected features, which is commonly encountered in single layer neural networks. The model is empirically compared to FLANN gradient descent learning algorithm, MLP and radial basis function (RBF). The results proved that the proposed model outperforms the other models on medical datasets classification.
机译：对于使用反向传播学习算法（BP）训练的多层感知器（MLP），计算时间很高，而且网络的复杂性随层数和层中节点数的增加而增加。与MLP相比，功能链接人工神经网络（FLANN）具有较少的体系结构复杂性，易于训练，并且在分类问题上给出了更好的结果。通过消除具有很少或没有预测信息的特征，本文提出了一种使用遗传算法（GA）的进化功能链接人工神经网络（EFLANN）。粒子群优化（PSO）被用作解决数据挖掘中分类问题的学习工具。 EFLANN通过使用功能扩展的所选特征克服了问题的非线性性质，这在单层神经网络中经常遇到。该模型与FLANN梯度下降学习算法，MLP和径向基函数（RBF）进行了经验比较。结果证明，该模型在医学数据集分类上优于其他模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号